[发明专利]一种枣缩果病预测方法及装置

说明书

技术领域

本发明涉及农业病虫害预防领域，更具体地，涉及一种枣缩果病预测方法及装置。

背景技术

枣树对气候、土壤的适应能力很强，喜光、耐旱、耐盐碱、耐瘠薄，忌过多的雨水。其分布的主要限制因素则是温度条件，我国红枣栽培面积占世界总面积的98％以上。新疆是新兴的枣产区，在枣树栽培方面具有光照充足、昼夜温差大、雨量小、病虫害少等特殊优势，近年来发展势头迅猛，未来新疆将成为世界红枣的主要生产基地。

缩果病是指成熟的果实表面高洼不平，有的果实已失去了该品种应有的形状和特征，剖开果实可见凹陷部位的果肉呈褐色海绵体状；有的果实在凹凸的果面上出现了裂纹，还有的果实变成了畸形果的生理现象。

据报道枣树病害种类达38种，由于特殊的地理气候环境以及新疆枣业发展较晚，新疆的病虫害较内地要少的多。但随着红枣直播建园技术的应用，红枣种植规模迅速扩大，种植面积的增加和种植时间延长，病虫害的发生和危害呈不断加重趋势，能否有效控制新疆红枣的病虫害，在一定程度上已经成为新疆枣业发展的制约因素。

目前，枣缩果病的防治办法通常是采取避雨措施，或降雨后立即对果实进行喷药，防患于未然，但是收效甚微。经过在农作物害虫的发生预测方面的大量研究发现，气候变化对缩果病的发生有很大影响，而对于缩果病的防治，如果可以在缩果病高发期开始时及时喷药，可以达到最好的治理效果。因此，怎样准确的预测缩果病高发期是一个亟待解决的问题。

发明内容

针对上述的技术问题，本发明提供一种枣缩果病高发期预测方法及装置。

第一方面，本发明提供一种枣缩果病高发期预测方法，包括：将土壤类型和包含枣缩果病始发期的时间区间内的气象数据输入支持向量回归模型进行预测，得到枣缩果病高发期的预测时间。

其中，在所述得到枣缩果病高发期的预测时间后还包括：根据所述枣缩果病高发期的预测时间和所述枣缩果病高发期的实际发生时间，对所述支持向量回归模型进行修正。

其中，根据所述枣缩果病高发期的预测时间和所述枣缩果病高发期的实际发生时间，对所述支持向量回归模型进行修正包括：若所述预测时间与实际发生时间的差不大于预设阈值，则预测准确，并记录土壤类型、气象数据和所述预测时间；或者若所述预测时间与实际发生时间的差大于预设阈值，则预测错误，人为更正预测时间，并记录土壤类型、气象数据和更正后的预测时间；根据所述记录的土壤类型、气象数据和预测时间对所述支持向量回归模型进行修正。

其中，所述包含枣缩果病始发期的时间区间包括：在所述始发期之前且包含所述始发期的第一时间区间，以及所述始发期之后的第二时间区间，且所述第一时间区间大于所述第二时间区间。

其中，所土壤类型包括：黄土和砂质土；所述气象数据包括：所述第一时间区间内的平均最高气温、平均最低气温、平均气温、平均土壤湿度、累计降雨量、累计阴雨天数及累计日照时长；以及所述第二时间区间内的平均最高气温、平均最低气温及平均气温。

其中，所述枣缩果病高发期预测方法还包括：对所述平均最高气温、平均最低气温、平均气温、累计降雨量、累计阴雨天数及累计日照时长进行缩放处理，以使所述平均最高气温、平均最低气温、平均气温、累计降雨量、累计阴雨天数及累计日照时长都被缩放在[-1,1]的范围内。

其中，通过以下公式分别对所述平均最高气温、平均最低气温、平均气温、累计降雨量、累计阴雨天数及累计日照时长进行缩放处理：

其中，attribute表示气象数据的某一参数，mid(attribute)、max(attribute)、min(attribute)分别表示气象数据某一参数的中值、约定最大值、约定最小值，x表示某一参数的实际值，x'表示缩放后的参数值。

其中，所述将土壤类型和包含枣缩果病始发期的时间区间内的气象数据输入支持向量回归模型进行预测包括：在所述支持向量回归模型中采用高斯核函数和近似线性分类的最大间隔模型，得到以下目标函数，

s.t.，y_i(w^TΦ(x_i)+b)≥1，i＝1，...，n；

将所述目标函数转化为凸二次规划问题，并利用拉格朗日对偶性得到最终的目标函数，

其中，

y为样本值；i为样本值的数量，即约束条件的数量；w为参数权重；b为截距；α为拉格朗日乘子；p^*为凸二次规划问题的解。